[데이터 모델링] 이상 현상과 정규화

<본 블로그는 엘리스 IoT 1를 참고해서 공부하며 작성하였습니다 :-)>

 

👩‍💻 이상 현상 (Anomaly)

: 잘못된 데이터베이스 설계로 발생하는 오류

- 삽입 이상 : 데이터를 삽입할 때 불필요한 내용까지 삽입해야 하는 문제

- 갱신 이상 : 중복된 데이터 중 일부만 갱신되어 발생하는 문제

- 삭제 이상 : 어떤 데이터를 삭제할 때 다른 유용한 정보도 함께 삭제되는 문제

 

⭐ 함수 종속성

: 속성들 간의 종속 관계

: 어떤 속성 X의 한 값이 다른 속성 Y에 속한 하나의 값에만 매핑되는 경우

X 는 결정자, Y를 종속

 

👩‍💻 정규화 (Normalization)

: 이상 현상을 제거하기 위해 데이터베이스를 구조화하는 과정

: 데이터 간의 종속성 제거하여 중복되는 데이터 줄임

: 데이터의 일관성과 무결성 보장

 

- 1차 정규화 : 테이블의 컬럼이 하나의 값만 갖도록 도메인을 원자값 (더이상 나눌 수 없는 가장 작은 값) 으로 설정하는 과정

- 2차 정규화 (부분 함수 종속) : 기본키를 구성하는 속성 중 일부가 결정자 역할을 하는 경우

(부분 함수 종속을 제고하고 완전 함수 종속이 되도록 테이블 분해하는 과정)

- 3차 정규화 (이행 함수 종속) : X -> Y, Y -> Z 라는 종속 관계에 있을 때, X -> Z 가 성립하는 경우 (X 라는 속성을 통해 Y 알고, Y 라는 속성을 통해 Z 속성 알 수 있음)

(이행 함수 종속 제거하도록 테이블을 분해하는 과정)

- 보이스코드 정규화 : 결정자이면서 후보키가 아닌 것 제

- 4차 정규화 : 다치 종속 제거

- 5차 정규화 : 조인 종속성 이용

 

⭐ 역정규화

: 정규화된 데이터베이스의 성능을 개선하기 위해 다시 통합하여 구조를 재구성

: 자주 사용되는 쿼리를 고려, 데이터 중복을 감안해 역정규화 활용